HarnessSQL da HKUST utiliza DeepSeek Harness para aumentar o desempenho do modelo 8B no Spider 2.0-SQLite

A DeepSeek lançou uma versão preliminar do DeepSeek Harness, seu software de código aberto para agentes, versão v0.2.2-alpha.2, que foi disponibilizada no GitHub em 28 de outubro. A principal novidade é um plugin experimental chamado subagent_oar, que permite ao agente principal delegar uma tarefa autônoma para instalar o Codex CLI ou o Claude Code na mesma máquina.

Anteriormente, o Harness suportava Claude Code e Codex; a atualização v0.1.0-rc.8 em agosto permitia aos usuários instalá-los como pacotes de perfil dentro de seu sistema subagent. No entanto, a nova ferramenta funciona de maneira diferente. Ela fornece ao agente principal um ponto de entrada unificado para distribuição de trabalho: ao chamar subagent_oar, o agente seleciona codex ou claude, e em seguida envia a descrição da tarefa, a solicitação completa e um diretório de trabalho opcional. A ferramenta retorna imediatamente um identificador de tarefa, e ao concluir o trabalho, uma notificação de conclusão traz a resposta final ou uma mensagem de erro de volta para a sessão principal.

As ferramentas externas operam de forma independente. O Codex CLI e o Claude Code mantêm suas próprias configurações, modelos, ferramentas e processo de login, portanto, os usuários devem instalá-los e autorizá-los em cada um, além de garantir que o host do Harness possa encontrá-los. Os parâmetros do provedor podem transmitir o modelo, o nível de raciocínio, os argumentos de inicialização, as variáveis de ambiente e o tempo limite, dependendo do suporte de cada runtime.

A documentação estabelece restrições claras: a conversa principal não é redirecionada, portanto, o pedido deve especificar explicitamente quais arquivos são importantes e o que deve ser retornado. As tarefas são descartáveis, sem possibilidade de perguntas subsequentes, reinício de sessão ou transmissão de progresso em tempo real. Apenas a resposta final ou falha é retornada, e não o raciocínio interno do agente externo ou o histórico de suas ferramentas. Exemplos oficiais permitem o uso de um espaço de trabalho gravável e desativam solicitações de permissão, e o cancelamento de uma tarefa não desfaz as alterações de arquivo que o agente externo já fez.

Outros complementos ajudam os usuários a rastrear o trabalho delegado. Um recurso experimental de solicitação de mudanças pode exibir o status e as diferenças de uma solicitação de mesclagem relacionada para uma sessão rodando em seu próprio diretório de trabalho Git. O plugin de estatísticas do desenvolvedor detalha o uso de contexto, cache, bem como o tempo gasto em modelos e ferramentas, em cada etapa e movimento. A saída de pequenas tarefas em segundo plano agora chega na notificação de conclusão, e o guia de espera do subagent reduz a necessidade de polling repetido.

O lançamento também permite que os usuários atualizem pacotes de plugins de terceiros, com a opção de reverter em caso de falha na atualização em tempo real, e adiciona texto de interface em japonês, espanhol, francês, alemão, russo e português brasileiro. Materiais comunitários anteriores, incluindo testes de configuração multiagente dos criadores do Bilibili, foram criados pelos próprios usuários e não são produtos da DeepSeek.

Desenvolvedores descobriram três novos identificadores de modelos no repositório oficial do Harness da DeepSeek no GitHub: deepseek-v5, deepseek-v5-open e deepseek-v5-next. Atualmente, a DeepSeek não anunciou o modelo V5, e esses registros são placeholders de teste no código, e não modelos disponíveis.

Ao verificar o repositório, foi constatado que esses identificadores estão em um arquivo de teste para o provedor de contas DeepSeek, especificamente no arquivo packages/llm/llm-deepseek-account/tests/provider.spec.ts, nas linhas 154–156, ao lado da entrada existente deepseek-v4-pro. O histórico do repositório mostra que eles foram adicionados em um commit de 24 de setembro, que moveu o diretório de modelos da conta DeepSeek para a lista oficial de modelos.

O cenário de teste verifica como o cliente filtra os modelos por requisito de versão: a entrada v5-open exige uma versão mínima do cliente 0.0.1, enquanto v5-next exige 99.0.0-alpha.1, e o teste espera que apenas os modelos flash e v5-open apareçam na lista. Isso indica a possibilidade de alternar para um novo modelo do lado do servidor do Harness, seja para todos os clientes ou apenas para aqueles que atualizaram, sem a necessidade de lançar uma nova versão. No entanto, isso não confirma a existência do modelo V5 nem seu cronograma de lançamento, e alguns desenvolvedores consideram esses nomes meros placeholders de teste. Até 28 de outubro, a DeepSeek não publicou nenhum anúncio, cartão de modelo ou identificador de API para a série V5.

A oferta atual de modelos inclui V4-Pro e V4.1-Flash; este último foi lançado em setembro com uma nova arquitetura, mantendo o nome V4.

Na mesma semana, um novo resultado de benchmarking foi apresentado para o modelo atual. A Artificial Analysis lançou o Intelligence Index v5, que é a maior atualização desde o lançamento do v4 em janeiro, com 60% do peso agora baseado em conjuntos de dados de teste fechados ou respostas ocultas. O codificação representa 25% do índice, e desses 15 pontos, FrontierCode 2.0 da Cognition corresponde a 132 tarefas reais de código aberto que avaliam se os repositórios acompanhantes aprovariam o pedido de fusão.

Na plataforma FrontierCode 2.0, o modelo DeepSeek V4.1-Flash-1017 alcançou 28% com esforço máximo, sendo o maior resultado entre os modelos com pesos lançados. Kimi K3.1 Pro obteve 25,5%, mas seus pesos completos ainda não estão disponíveis. Gemini 4 Argon atingiu 25,7%, e GPT-6 Luna — 25,2%.

O índice geral foi menos favorável. DeepSeek V4.1-Flash obteve 32 pontos, empatando com GLM-5.3, enquanto o líder, Claude Opus 5.5, recebeu 58 pontos. A Artificial Analysis observa que a lacuna entre o melhor modelo aberto com pesos lançados e o líder da tabela aumentou de 3 pontos sob v4.3 para 12 pontos sob v5.

A DeepSeek, que chamou a atenção de Wall Street em 2025 por seu modelo de IA acessível e muito capaz, concluiu uma grande rodada de financiamento para desafiar o crescente domínio da OpenAI e da Anthropic.

Na rodada mais recente, a DeepSeek arrecadou US$ 15 bilhões, o que equivale a aproximadamente 100 bilhões de yuans. O financiamento veio do gigante da indústria de baterias CATL, da Tencent, por trás do WeChat, e de várias outras empresas de tecnologia líderes.

Inicialmente, a empresa sediada em Hangzhou planejava levantar 50 bilhões de yuans. No entanto, a demanda aumentou essa meta para 80 bilhões e depois para cerca de 100 bilhões.

Os novos participantes incluíram o fabricante de automóveis Geely, Legend Capital, Stony Creek Capital, China Fortune-Tech Capital e CPE Asset Management. Entre os investidores antigos, também apareceram IDG Capital, Lux Capital e Silicon 100, que se juntaram à CATL e à Tencent. Relata-se que apenas a CATL adiciona cerca de US$ 1,38 bilhão, o que é aproximadamente o dobro do seu cheque na primeira rodada.

A Dealroom avalia a avaliação preliminar da DeepSeek em cerca de US$ 68,8 bilhões. Relata-se que os fundos foram distribuídos quase uniformemente entre acionistas novos e existentes, o que indica que a fé dos investidores iniciais foi mantida mesmo com um preço significativamente mais alto.

Anteriormente, a DeepSeek fechou a primeira rodada de mais de US$ 6,88 bilhões em junho e abriu a segunda rodada em julho. No total, em seis meses, isso soma cerca de US$ 20,6 bilhões, o que a Dealroom chama de maior financiamento de mercado primário na China este ano.

A maior parte dos fundos arrecadados será destinada à pesquisa de modelos e capacidade computacional. Há também relatos de aumento nos gastos com data centers e modelos de código aberto. Uma reestruturação corporativa está planejada, e, segundo relatos, um IPO no mercado Star Market de Xangai está sendo preparado.

Embora quinze bilhões de dólares seja uma quantia enorme, não nivela as chances. A OpenAI e a Anthropic arrecadaram cada uma mais de US$ 100 bilhões, e a DeepSeek ainda tem significativamente menos recursos. No entanto, ela nunca teve que competir com os laboratórios americanos em termos de valor em dólar, pois sua reputação é baseada na eficiência, provando que modelos fortes não exigem orçamentos infinitos.

A combinação dessa disciplina com capacidades financeiras muito maiores deve preocupar os concorrentes. Além disso, a DeepSeek não está sozinha; relata-se que a Moonshot AI está se aproximando de uma avaliação de US$ 50 bilhões e planeja seu próprio IPO em Hong Kong. A IA chinesa está atraindo fundos em ritmo sem precedentes.

Possivelmente, um financiamento maior levará a um lançamento de produtos mais rápido, e os modelos abertos da DeepSeek podem se tornar mais fortes e mais baratos, criando pressão de preços em todos, incluindo fornecedores americanos. A composição dos investidores também é importante: como a CATL lida com baterias e a Geely com carros, seus investimentos indicam a integração da IA no hardware e na indústria, e não apenas em chatbots. Deve-se notar que este relatório não foi oficialmente confirmado pela DeepSeek.

Em qualquer caso, a mensagem é clara: a DeepSeek deixou de ser um azarão discreto e se tornou um concorrente bem financiado, tornando a corrida em IA muito mais acirrada.